基于深度信念网络的燃料电池微电网负荷预测方法及系统

基于深度信念网络的燃料电池微电网负荷预测方法及系统，方法包括以下步骤：步骤1，采集电力负荷数据、气象数据、日期数据和燃料电池运行数据，进行数据预处理；步骤2，对预处理后的数据进行特征选择，确定最优特征组合作为训练集；步骤3，设置深度信念网络负荷预测模型的结构参数，将训练集输入模型进行训练，计算训练后模型的第一评估指标，确定最优结构参数；步骤4，通过不同的训练参数对基于最优结构参数的模型进行训练并计算第一评估指标和第二评估指标，求解最优训练参数，优化深度信念网络负荷预测模型。本发明能够优化模型结构和训练参数使其适应燃料电池微电网运行预测需求，从而提升负荷预测的准确性、响应性与稳定性。